基于集成机器学习模型的混合原油凝点预测方法

摘要

混合输送是不同原油在同一管道中输送最常用的一种方式，快速、精准地掌握混合原油的流动参数，是制定混合原油配输方案、保证管道安全高效灵活运行的基础，通过人工取样测试确定混合原油凝点，难以及时有效对进管原油进行管控；运用基于组分原油配比和凝点的经验模型计算混合原油凝点，虽简便易行，但在方法上存在预测精度提升的瓶颈；建立一种基于XGBoost集成机器学习模型的混合原油凝点预测方法。结果表明：当模型以组分原油凝点、密度、黏度以及配比为输入参数时，经8 912组数据训练后的混合原油凝点预测平均绝对偏差为1.12℃;当输入参数中组分原油凝点缺失时，预测平均绝对偏差为1.93℃,其中绝对偏差小于2℃的占88.0%。

关键词

混合原油 / 凝点 / 机器学习 / 预测